論文の概要: WasteNet: Waste Classification at the Edge for Smart Bins
- arxiv url: http://arxiv.org/abs/2006.05873v1
- Date: Wed, 10 Jun 2020 14:57:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-23 06:19:00.162598
- Title: WasteNet: Waste Classification at the Edge for Smart Bins
- Title（参考訳）: WasteNet:スマートビンのエッジにおける廃棄物分類
- Authors: Gary White, Christian Cabrera, Andrei Palade, Fan Li, Siobhan Clarke
- Abstract要約: 本稿では,畳み込みニューラルネットワークに基づく廃棄物分類モデルであるWasteNetを提案する。
本モデルは,テストデータセット上での予測精度を97%向上させる。
これは、リサイクル汚染など、一般的なスマートビンの問題を軽減するのに役立つだろう。
- 参考スコア（独自算出の注目度）: 5.757545310368236
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Smart Bins have become popular in smart cities and campuses around the world.
These bins have a compaction mechanism that increases the bins' capacity as
well as automated real-time collection notifications. In this paper, we propose
WasteNet, a waste classification model based on convolutional neural networks
that can be deployed on a low power device at the edge of the network, such as
a Jetson Nano. The problem of segregating waste is a big challenge for many
countries around the world. Automated waste classification at the edge allows
for fast intelligent decisions in smart bins without needing access to the
cloud. Waste is classified into six categories: paper, cardboard, glass, metal,
plastic and other. Our model achieves a 97\% prediction accuracy on the test
dataset. This level of classification accuracy will help to alleviate some
common smart bin problems, such as recycling contamination, where different
types of waste become mixed with recycling waste causing the bin to be
contaminated. It also makes the bins more user friendly as citizens do not have
to worry about disposing their rubbish in the correct bin as the smart bin will
be able to make the decision for them.
- Abstract（参考訳）: スマートビンは世界中のスマートシティやキャンパスで人気を集めている。
これらのビンは圧縮機構を備えており、ビンの容量を増大させ、リアルタイムコレクション通知を自動化する。
本稿では,Jetson Nano などのネットワーク端の低消費電力デバイスに展開可能な畳み込みニューラルネットワークに基づく廃棄物分類モデルである WasteNet を提案する。
廃棄物を隔離する問題は、世界中の多くの国にとって大きな課題である。
エッジでの廃棄物の自動分類は、クラウドへのアクセスを必要とせずに、スマートビンのインテリジェントな意思決定を可能にする。
廃棄物は紙、段ボール、ガラス、金属、プラスチックなど6つのカテゴリーに分類される。
本モデルでは,テストデータセット上で97\%の予測精度を実現する。
この分類精度のレベルは、リサイクル汚染などの一般的なスマートビン問題を軽減するのに役立つだろう。
また、スマートビンが決定をすることができるので、市民が正しいビンにゴミを捨てることを心配する必要がなくなるため、よりユーザーフレンドリーなビンも利用できる。
関連論文リスト
- SpectralWaste Dataset: Multimodal Data for Waste Sorting Automation [46.178512739789426]
本稿では, 廃棄物処理施設から収集した最初のデータセットであるSpectralWasteについて紹介する。
このデータセットには、分類植物によく見られるいくつかのカテゴリのオブジェクトのラベルが含まれている。
異なるオブジェクトセグメンテーションアーキテクチャを用いたパイプラインを提案し,その代替案をデータセット上で評価する。
論文 参考訳（メタデータ） (2024-03-26T18:39:38Z) - VisDA 2022 Challenge: Domain Adaptation for Industrial Waste Sorting [61.52419223232737]
産業廃棄物の選別において、最も大きな課題の1つは入力ストリームの極端な多様性である。
産業廃棄物浄化における領域適応に関するVisDA 2022の課題について紹介する。
論文 参考訳（メタデータ） (2023-03-26T21:38:38Z) - ConvoWaste: An Automatic Waste Segregation Machine Using Deep Learning [0.0]
本稿では,ConvoWasteを用いたスマートオブジェクト検出アルゴリズムを用いて,廃棄物を異なる部位に分離する機械を提案する。
本稿では, 廃棄物を正確に分類するために, 深層学習と画像処理技術を適用した。
システム全体がAndroidアプリを介して遠隔操作され、切り離されたゴミを捨てる。
論文 参考訳（メタデータ） (2023-02-06T18:08:33Z) - A Method for Waste Segregation using Convolutional Neural Networks [0.0]
本稿では, 廃棄物分類の問題を解決するために, ディープラーニングアルゴリズムを用いた手法を提案する。
提案手法の精度は94.9%である。
論文 参考訳（メタデータ） (2022-02-23T14:32:10Z) - IoT-based Route Recommendation for an Intelligent Waste Management
System [61.04795047897888]
本研究は, 空間制約を考慮したIoT対応廃棄物管理システムにおいて, 経路推薦のためのインテリジェントなアプローチを提案する。
我々のソリューションは、ビンの状態と座標を考慮に入れた複数レベルの意思決定プロセスに基づいている。
論文 参考訳（メタデータ） (2022-01-01T12:36:22Z) - Classification of PS and ABS Black Plastics for WEEE Recycling
Applications [63.942632088208505]
本研究の目的は,ポリスチレン (PS) 型とアクリロニトリルブタジエン (ABS) 型の黒色プラスチックを用いて,異なる種類のプラスチックを分類できるシステムを作ることである。
畳み込みニューラルネットワークのテストと再訓練が行われ、95%の精度が得られた。
別個のテストセットを使用して平均精度は86.6%まで低下するが、結果を見てみるとABS型が100%正確に分類されていることが分かるため、すべてのエラーを蓄積するPS型である。
論文 参考訳（メタデータ） (2021-10-20T12:47:18Z) - ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。
このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。
最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
論文 参考訳（メタデータ） (2021-06-04T22:17:09Z) - Waste detection in Pomerania: non-profit project for detecting waste in
environment [0.0]
リッターは、バイオ、ガラス、金属、プラスチック、リサイクル不能、その他の紙、未知の7つのカテゴリに分類される。
提案手法は, 廃棄物検出における平均精度の70%, テストデータセットにおける分類精度の約75%を達成する。
論文 参考訳（メタデータ） (2021-05-12T09:33:22Z) - DeepWaste: Applying Deep Learning to Waste Classification for a
Sustainable Planet [0.0]
誤った廃棄物処理を減らそうとする試みは、高価で不正確で混乱している。
我々は,高度に最適化されたディープラーニング技術を利用して,廃棄物をゴミ,リサイクル,コンポストに即時分類するモバイルアプリDeepWasteを提案する。
我々の最良のモデルは、50層からなるディープラーニング残留ニューラルネットワークであり、テストセットの平均精度は0.881である。
論文 参考訳（メタデータ） (2021-01-15T04:06:25Z) - STCNet: Spatio-Temporal Cross Network for Industrial Smoke Detection [52.648906951532155]
本稿では,産業用煙排出ガスを識別する新しい時空間クロスネットワーク(STCNet)を提案する。
提案するSTCNetは, テクスチャの特徴を抽出する空間的特徴と, 煙の動き情報を捕捉する時間的経路を含む。
STCNetは、RISE産業煙検知データセットにおいて、最も優れた競合相手に対して6.2%の精度で明確な改善を実現していることを示す。
論文 参考訳（メタデータ） (2020-11-10T02:28:47Z) - Comparative Analysis of Multiple Deep CNN Models for Waste
Classification [0.0]
このプロジェクトはよく知られたDeep Learning Networkアーキテクチャを、独自の取り組みとTrush Netを組み合わせたデータセットによる廃棄物分類でテストした。
ダストビンの形で作られたハードウェアは、それらの廃棄物を異なる区画に分離するために使用される。
論文 参考訳（メタデータ） (2020-04-05T11:50:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。